生成器的本质是实现了__iter__和__next__的状态机对象，通过挂起/恢复帧对象保存上下文，而非线程栈；yield暂停执行并返回值，下次从原位置继续，局部变量保持不变。
generator 的本质不是语法糖，而是实现了 iter 和 next 的状态机对象。
直接调用 next() 或用 for 循环驱动时，它靠保存局部变量和执行位置（yield 点）来维持上下文——这和线程栈无关，也不依赖解释器额外调度。
为什么 yield 后函数不退出？
因为每次遇到 yield，Python 解释器会把当前帧（frame）挂起，把控制权交还给调用方，并把 yield 表达式的值返回。下一次调用 __next__() 时，从上次暂停的位置继续执行，局部变量全数保留。
-
return在生成器中等价于raise StopIteration，但不能带非None值（Python 3.3+ 允许return value，该值会成为StopIteration.value） - 函数体里没有
yield，哪怕写了return，也不会变成生成器——必须至少有一个yield（哪怕在未执行的if False:分支里） - 生成器函数被调用时，**不执行函数体**，只返回一个
generator对象
send() 和 throw() 怎么打破单向数据流？
生成器不只是“往外吐值”，还能接收外部传入的数据或异常，从而实现协程式交互。关键在于：第一次调用 send(None) 或 next() 才启动生成器；之后才能用 send(value) 把值送进上次 yield 的位置（即 value 成为 yield 表达式的返回值）。
立即学习“Python免费学习笔记（深入）”；
def echo():
while True:
received = yield
print(f"Got: {received}")
g = echo()
next(g) # 启动，停在第一个 yield
g.send("hello") # 输出 Got: hello
g.send(42) # 输出 Got: 42
- 首次调用必须是
next(g)或g.send(None)，否则报TypeError: can't send non-None value to a just-started generator -
throw()会在暂停处注入异常，常用于清理资源（如配合try/finally） -
close()会触发GeneratorExit异常，且禁止再调用send()或next()
生成器表达式 vs 列表推导式：内存与延迟的关键区别
(x*2 for x in range(1000000)) 不会立刻计算全部元素，而 [x*2 for x in range(1000000)] 会一次性分配百万级整数对象内存。
- 生成器表达式返回
at 0x...> list - 生成器只能遍历一次，再次
for就无声结束；列表可反复迭代 - 生成器表达式不能切片、索引、
len()—— 它没有长度概念，除非你手动计数或转成list（那就失去意义了） - 嵌套生成器要注意：外层生成器若引用内层生成器对象，但没消费完，可能造成意外延迟释放（比如文件句柄没及时关）
常见误用与调试盲区
最隐蔽的问题不是语法错，而是逻辑生命周期错位：生成器已结束却还在调用 next()，抛出 StopIteration；或在 finally 中试图访问已被清空的局部变量。
- 捕获
StopIteration是正常操作，但不要忽略其value属性（Python 3.3+），尤其用return expr时 - 用
itertools.islice(gen, n)替代list(gen)[:n]，避免提前耗尽生成器 -
yield from subgen不是简单展开，它会将子生成器的send()/throw()/close()透传，且自动处理StopIteration的传播 - 调试时别用
print(g)看状态——要查g.gi_running（是否正在运行）、g.gi_frame.f_lasti（字节码偏移）这类底层属性，实际开发中几乎不用，但理解它们能避开“为什么断点没进生成器体”的困惑
生成器的复杂性不在写法，而在它把执行流拆成了多个时间片段。一旦你开始用 send() 或嵌套 yield from，就必须明确每个片段的输入来源、输出去向、异常边界——这些不会报错，但会让程序在某个深夜突然卡住或跳过关键步骤。
